CN113569693A - 运动状态的识别方法、装置及设备 - Google Patents

运动状态的识别方法、装置及设备 Download PDF

Info

Publication number
CN113569693A
CN113569693A CN202110830844.9A CN202110830844A CN113569693A CN 113569693 A CN113569693 A CN 113569693A CN 202110830844 A CN202110830844 A CN 202110830844A CN 113569693 A CN113569693 A CN 113569693A
Authority
CN
China
Prior art keywords
motion state
human body
key joint
joint points
coordinate information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110830844.9A
Other languages
English (en)
Inventor
孙双鹏
李骊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Huajie Imi Technology Co ltd
Beijing HJIMI Technology Co Ltd
Original Assignee
Nanjing Huajie Imi Technology Co ltd
Beijing HJIMI Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Huajie Imi Technology Co ltd, Beijing HJIMI Technology Co Ltd filed Critical Nanjing Huajie Imi Technology Co ltd
Priority to CN202110830844.9A priority Critical patent/CN113569693A/zh
Publication of CN113569693A publication Critical patent/CN113569693A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本申请提供了一种运动状态的识别方法、装置及设备,所述方法包括:获取摄像机当前拍摄的包括人体的图像帧,基于图像帧,获取人体的多个关键关节点的坐标信息,针对每个关键关节点,基于关键关节点的坐标信息,获取关键关节点的速度数据,基于多个关键关节点的坐标信息,获取速度阈值,在预设数量的关键关节点的速度数据满足速度阈值的情况下,确定人体当前的运动状态为目标运动状态。因为关键关节点属于人体本身的一部分,且关键关节点为关节点位置满足识别目标运动状态的要求的关节点,所以人关键关节点的速度数据可以准确客观的反映人体的运动状态,所以本申请提供的方法具有较高的准确性。

Description

运动状态的识别方法、装置及设备
技术领域
本申请涉及图片处理领域,尤其涉及一种运动状态的识别方法、装置及设备。
背景技术
随着生活水平不断的提高,人们越来越重视运动健康,运动监测作为一种运动量评估的手段也得到了人们的青睐。在传统运动监测方法中,常常借助机械物理设备进行监测,比如跳绳运动,通常是借助与绳子相连接的自动计数器监测跳跃次数,但是这样监测方式并不是基于人体本身的运动状态进行检测,而是基于人体外的物件(比如绳子)进行监测。这样的监测结果不能真实准确的反映人体的运作状态,所以如何进行准确的运动状态监测,成为了亟待解决的问题。
发明内容
本申请提供了一种运动状态的识别方法、装置及设备,目的在于解决如何进行准确的运动状态监测的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种运动状态的识别方法,包括:
获取摄像机当前拍摄的包括人体的图像帧;
基于所述图像帧,获取人体的多个关键关节点的坐标信息;所述关键关节点为关节点位置满足识别目标运动状态的要求的关节点;
针对每个所述关键关节点,基于所述关键关节点的所述坐标信息,获取所述关键关节点的速度数据;
基于所述多个关键关节点的所述坐标信息,获取骨架对应的速度阈值;
在预设数量的所述关键关节点的速度数据满足所述速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态。
上述的方法,可选的,所述基于所述图像帧,获取人体的多个关键关节点的坐标信息,包括:
将所述图像帧输入预先训练好的人体骨架识别模型,使所述人体骨架识别模型基于所述图像帧,输出人体的多个关节点的坐标信息;所述坐标信息包括所述关节点的坐标序号以及所述关节点的坐标位置;
从所述多个关节点中,选择坐标序号满足预设需求的关节点作为关键关节点,并将坐标序号满足预设需求的关节点的所述坐标信息作为所述关键关节点的坐标信息。
上述的方法,可选的,所述基于所述关键关节点的所述坐标信息,获取所述关键关节点的速度数据,包括:
获取所述关键关节点的历史坐标信息,所述历史坐标信息为预先记录的上一时刻拍摄的图像帧中所述关键关节点的坐标信息;
基于所述关键关节点的所述历史坐标信息,和当前拍摄的包括人体的图像帧中所述关键关节点的坐标信息,得到所述关键关节点的速度数据。
上述的方法,可选的,所述基于所述多个关键关节点的所述坐标信息,获取骨架对应的速度阈值,包括:
从所述多个关键关节点中,选取预设数量的目标关节点;所述目标关节点之间构成的骨架大小可表征人体目标部位的尺寸、且所述骨架大小在人体处于不同的运作状态下的变化范围小于阈值;
依据所述目标关节点之间的关节点距离值,得到骨架对应的速度阈值。
上述的方法,可选的,所述目标运动状态为跳跃运动状态。
上述的方法,可选的,所述速度数据包括,所述关键关节点在垂直向上方向上的速度大小,以及在垂直向下方向上的速度大小。
上述的方法,可选的,所述在预设数量的所述关键关节点的速度数据满足所述速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态,包括:
在每个所述关键关节点在垂直向上方向上的速度大小都大于所述速度阈值的情况下,确定人体当前的运动状态为向上的跳跃运动状态;
或者,
在所述关键关节点在垂直向下方向上的速度大小都大于所述速度阈值的情况下,确定人体当前的运动状态为向下的跳跃运动状态。
上述的方法,可选的,还包括:
在确定人体当前的运动状态为向上的跳跃运动状态的情况下,跳跃次数累计加一,并显示跳跃次数;
在确定人体当前的运动状态为向下的跳跃运动状态的情况下,记录人体的运动状态为跳跃完成。
本申请还提供了一种运动状态的识别装置,包括:
第一获取单元,用于获取摄像机当前拍摄的包括人体的图像帧;
第二获取单元,用于基于所述图像帧,获取人体的多个关键关节点的坐标信息;所述关键关节点为关节点位置满足识别目标运动状态的要求的关节点;
第三获取单元,用于针对每个所述关键关节点,基于所述关键关节点的所述坐标信息,获取所述关键关节点的速度数据;
第四获取单元,用于基于所述多个关键关节点的所述坐标信息,获取骨架对应的速度阈值;
确定单元,用于在预设数量的所述关键关节点的速度数据满足所述速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态。
本申请还提供了包括摄像头、显示器以及上述的运动状态的识别装置;
所述摄像头用于拍摄视野范围的包括人体的图像,并将拍摄的图像传输至所述运动状态的识别装置;
所述运动状态的识别装置用于基于所述图像,获取人体的运动状态结果,并将所述运动状态结果发送至所述显示器;所述运动状态结果包括人体当前的运动状态、以及人体运动状态满足目标运动状态的总次数;
所述显示器用于显示所述运动状态结果。
本申请所述的方法及装置,包括:获取摄像机当前拍摄的包括人体的图像帧,基于图像帧,获取人体的多个关键关节点的坐标信息,关键关节点为关节点位置满足识别目标运动状态的要求的关节点,针对每个关键关节点,基于关键关节点的坐标信息,获取关键关节点的速度数据,基于多个关键关节点的坐标信息,获取速度阈值,在预设数量的关键关节点的速度数据满足速度阈值的情况下,确定人体当前的运动状态为目标运动状态。本申请提供的方案,基于人体的图像帧,获取人体的多个关键关节点的坐标信息,基于人体的关键关节点的速度数据以及骨架对应的速度阈值,确定人体的运动状态是否为目标运动状态。因为关键关节点属于人体本身的一部分,且关键关节点为关节点位置满足识别目标运动状态的要求的关节点,所以人体的关键关节点的速度数据可以准确客观的反映人体的运动状态,所以本申请提供的运动状态的识别方法具有较高的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种运作状态的识别方法的流程图;
图2为本申请实施例公开的一种人体骨架关节点的结构示意图;
图3为本申请实施例公开的一种跳跃计数的方法的流程图;
图4为本申请实施例公开的一种运动状态的识别装置的结构示意图;
图5为申请实施例公开的一种运作状态的识别设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本实施例的执行主体可以是手机,电脑和智能电视等包含摄像设备或可连接摄像设备的电子设备。
图1为本申请实施例公开的一种运动状态的识别方法,包括以下步骤:
S101、获取摄像机当前拍摄的包括人体的图像帧。
本步骤中,获取的图像帧为彩色图像帧,可以通过摄像机采用连续拍摄或者录像的形式,获取视野范围内包括人体的彩色图像帧。
S102、基于图像帧,获取人体的多个关键关节点的坐标信息。
本步骤的具体实施方式包括步骤A1和步骤A2:
步骤A1、将图像帧输入预先训练好的人体骨架识别模型,使人体骨架识别模型基于图像帧,输出人体的各个关节点的坐标信息。
本实施例中,坐标信息包括关节点的坐标序号和关节点的坐标位置。
人体骨架识别模型可以是Openpose模型,人体骨架识别模型可以识别出人体骨架多个主要的关节点,并获取每个关节点的坐标信息,例如,如图2所示的人体骨架关节点示意图中包括的各个关节点,图2中每个关节点对应的数值为该关节点的序号。本实施例中,人体骨架识别模型的训练过程和工作原理可以参考现有技术,此处不再赘述。
步骤A2、从各个关节点中,选择坐标序号满足预设需求的关节点作为关键关节点,并将坐标序号满足预设需求的关节点的坐标信息作为关键关节点的坐标信息。
关键关节点的选取与目标运作状态相关。具体的,关键关节点为关节点位置满足识别目标运动状态的要求的关节点。例如,目标运动状态为跳跃运动状态时,结合图2,可以选取序号为1、2、5、8和11这五个位于躯干骨架上的关节点作为关键关节点,因为这些关节点较为稳定,可以较准确的判断跳跃运动状态。例如,目标运动状态为颈椎左右摆动,结合图2,可以选取序号为0、1、2、5这4个关节点作为关键关节点。
S103、针对每个关键关节点,基于关键关节点的坐标信息,获取关键关节点的速度数据。
本步骤的具体实施方式包括步骤B1和步骤B2:
步骤B1、获取关键关节点的历史坐标信息。
历史坐标信息为预先记录的上一时刻拍摄的图像帧中关键关节点的坐标信息。其中,针对每一图像帧的关键关节点,可以通过对应记录关键关节点的序号和坐标位置,记录该关键骨架节点的坐标信息。
步骤B2、基于关键关节点的历史坐标信息,和当前拍摄的包括人体的图像帧中关键关节点的坐标信息,得到关键关节点的速度数据。
速度数据可以是角速度、移动速度、加速度等。针对每个关键关节点,可以通过该关键关节点在相邻两个图像帧之间坐标位置发生的位移变化,以及预设的拍摄时间间隔,即相邻两个图像帧之间的拍摄时间点的时差,计算得到关键关节点的速度信息。
S104、基于多个关键关节点的坐标信息,获取骨架对应的速度阈值。
本实施例中,图像中人体骨架大小不同的情况下,骨架对应的速度阈值也不同。对于图像中骨架大小不同有两种情况,一是人体身高不同,另一个是距离摄像头的距离不同,距离摄像头越远,拍摄得到的图像上显示的骨架越小。
对于不同的骨架大小设定不同的速度阈值,是因为:例如人体距离摄像头远或者人体骨架较小的情况,人体骨架在图像显示上的运动幅度会变小,对则应设获取较低的速度阈值,反之人体距离摄像头近或者人体骨架较大的情况则应当获取较高的速度阈值,从而可以更准确的识别人体的运动状态。
本步骤的具体实施方式包括步骤C1和C2。
步骤C1、从多个关键关节点中,选取预设数量的目标关节点。
其中,目标关节点之间构成的骨架大小可表征人体目标部位的尺寸、且骨架大小在人体处于不同的运作状态下的变化范围小于阈值。例如,目标运动状态为跳跃运动状态,结合图2,选取序号为1、2、5、8和11的关节点作为关键关节点后,由于关键关节点2、5、8和11可以表示上躯干部分的尺寸,且构成的骨架大小在人体处于不同的运作状态下的一般保持不变,所以关键关节点2、5、8和11可以作为目标关节点。
步骤C2、依据目标关节点之间的关节点距离值,得到骨架对应的速度阈值。
关节点距离值与速度阈值成正比,关节点距离值越大,速度阈值越大。具体选取哪些目标关节点之间的关节点距离值,可以自行设定。
S105、在预设数量的关键关节点的速度数据满足速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态。
例如,在所有关键关节点的速度大于速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态。
本实施例提供的方法,包括:获取摄像机当前拍摄的包括人体的图像帧,基于图像帧,获取人体的多个关键关节点的坐标信息,关键关节点为关节点位置满足识别目标运动状态的要求的关节点,针对每个关键关节点,基于关键关节点的坐标信息,获取关键关节点的速度数据,基于多个关键关节点的坐标信息,获取速度阈值,在预设数量的关键关节点的速度数据满足速度阈值的情况下,确定人体当前的运动状态为目标运动状态。本实施例提供的方案,基于人体的图像帧,获取人体的多个关键关节点的坐标信息,基于人体的关键关节点的速度数据以及骨架对应的速度阈值,确定人体的运动状态是否为目标运动状态。因为关键关节点属于人体本身的一部分,且关键关节点为关节点位置满足识别目标运动状态的要求的关节点,所以人体的关键关节点的运动数据可以真实客观的反映人体的运动状态,所以本申请提供的运动状态的识别方法具有较高的准确性。
进一步的,以为速度阈值是结合图像中骨架大小设定的,而可以更准确的识别人体的运动状态。
以目标运动状态为跳跃运动状态为例,参考图3,本实施例提供了一种跳跃计数的方法,可以应用于跳绳计数等统计跳跃次数的场景。本实施例中与上述实施例相同步骤的实施方式可以参考上述实施例。本实施例包括以下步骤:
S201、获取摄像机当前拍摄的包括人体的图像帧。
S202、基于图像帧,获取人体的多个关键关节点的坐标信息。
关键关节点为关节点位置满足识别目标运动状态的要求的关节点。
本实施例中,结合图2,可以选取图2中序号为1、2、5、8和11这五个位于躯干骨架上的关节点作为关键关节点,因为这些关节点较为稳定,可以较准确的判断跳跃运动状态。
S203、针对每个关键关节点,基于关键关节点的坐标信息,获取关键关节点的在垂直向上的方向上速度大小,以及在垂直向下的方向上速度大小。
因为目标运动状态为跳跃运动状态,所以针对每个关键关节点,获取关键关节点的历史坐标信息,基于历史坐标信息和当前拍摄的包括人体的图像帧中关键关节点的坐标信息,计算得到关键关节点的在垂直向上的方向上速度大小,以及在垂直向下的方向上速度大小。
S204、基于多个关键关节点的坐标信息,获取骨架对应的速度阈值。
本实施例中,结合图2,从序号为1、2、5、8和11五个关键关节点中,选取关键关节点2、5、8和11作为目标关节点,并依据目标关节点之间的关节点距离值,得到骨架对应的速度阈值。例如,关键关节点2、5、8和11的坐标分别为(x2,y2)、(x5,y5)、(x8,y8)和(x11,y11),则速度阈值为L/A,其中,A与摄像头的帧率相关,不同的摄像头的帧率A不同,本实施例中A可以取值50。L根据公式(1)计算得到:
Figure BDA0003175396960000091
即L为关键关节点2、8距离和关键关节点5、11距离的平均值。
S205、判断每个关键关节点在垂直向上的方向上速度大小以及在垂直向下的方向上速度大小是否大于速度阈值。
如果每个关键关节点在垂直向上方向上的速度大小都大于速度阈值,则执行S206;
如果每个关键关节点在垂直向下方向上的速度大小都大于速度阈值,则执行S207;
如果每个关键关节点在垂直向上的方向上速度大小以及在垂直向下方向上的速度大小都小于速度阈值,则执行S208。
S206、确定人体当前的运动状态为向上的跳跃运动状态,跳跃次数累积加一,并显示跳跃次数。
如果每个关键关节点在垂直向上方向上的速度的大小都大于速度阈值,则判断此刻人体正处于起跳状态,跳跃次数累积加一。
S207、确定人体当前的运动状态为向下的跳跃运动状态且跳远动作完成,并返回执行S201。
如果每个关键关节点在垂直向下方向上的速度大小都大于速度阈值,确定则人体当前的运动状态为向下的跳跃运动状态且跳远动作完成,并返回S201继续采集下一帧图像。
S208、确定人体当前的运动状态不是跳跃运动状态,并返回执行S201。
如果每个关键关节点在垂直向上方向上的速度大小以及在垂直向下方向上的速度大小都小于速度阈值,则确定人体当前的运动状态不是跳跃运动状态,并返回S201继续采集下一帧图像。
本实施例提供的方法,通过获取人体关键关节点的速度数据,可以准确的反映人体的运作状态是否为跳跃运动状态,且无论用户是成人还是小孩,距离摄像头的距离是较远还是较近,通过设定速度阈值实现准确地识别用户的跳跃运动状态。进一步的,本实施例提供方法还可以实现进行精细化的运动监测,例如监测运动频率和强度等。
图4为本申请实施例提供的一种运动状态的识别装置,包括:
第一获取单元401,用于获取当前包括人体的图像帧;
第二获取单元402,用于基于图像帧,获取人体的多个关键关节点的坐标信息;关键关节点为关节点位置满足识别目标运动状态的要求的关节点;
第三获取单元403,用于针对每个关键关节点,基于关键关节点的坐标信息,获取关键关节点的速度数据;
第四获取单元404,用于基于多个关键关节点的坐标信息,获取骨架对应的速度阈值;
确定单元405,用于在预设数量的关键关节点的速度数据满足速度阈值的情况下,确定人体当前的运动状态为目标运动状态。
本实施例提供的装置,基于人体的图像帧,获取人体的多个关键关节点的坐标信息,基于人体的关键关节点的速度数据以及骨架对应的速度阈值,确定人体的运动状态是否为目标运动状态。因为关键关节点属于人体本身的一部分,且关键关节点为关节点位置满足识别目标运动状态的要求的关节点,所以人体的关键关节点的运动数据可以真实客观的反映人体的运动状态,所以本申请提供的运动状态的识别方法具有较高的准确性。
图5为本申请实施例提供的一种运动状态的识别设备的结构示意图,包括摄像头501、显示器502以及上述实例所述的运动状态的识别装置503。
摄像头501用于拍摄视野范围的包括人体的图像,并将拍摄的图像传输至运动状态的识别装置503。
运动状态的识别装置503用于基于图像,运动状态的识别装置503,并将运动状态结果发送至显示器502,动状态结果包括人体当前的运动状态、以及人体运动状态满足目标运动状态的总次数。
显示器502用于显示运动状态结果。
其中,运动状态的识别装置503运动状态的识别装置503的具体实现方式可以参考本申请实施例所述的运动状态的识别的方法,此处不再赘述。
本实施例提供的运动状态的识别设备,包括摄像头、显示器以及上运动状态的识别装置,摄像头用于拍摄视野范围的包括人体的图像,并将拍摄的图像传输至运动状态的识别装置,运动状态的识别装置用于基于图像,获取人体的运动状态结果,并将运动状态结果发送至显示器,动状态结果包括人体当前的运动状态、以及人体运动状态满足目标运动状态的总次数。显示器用于显示运动状态结果。本实施例提供的运动状态的识别设备可以准确的识别人体的运动状态是否为目标运动状态。
本申请中涉及到的各个单元、模块以及设备等携带的序号只是为了便于描述和区分,只具有数字标识的功能,不具有其他功能。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种运动状态的识别方法,其特征在于,包括:
获取摄像机当前拍摄的包括人体的图像帧;
基于所述图像帧,获取人体的多个关键关节点的坐标信息;所述关键关节点为关节点位置满足识别目标运动状态的要求的关节点;
针对每个所述关键关节点,基于所述关键关节点的所述坐标信息,获取所述关键关节点的速度数据;
基于所述多个关键关节点的所述坐标信息,获取骨架对应的速度阈值;
在预设数量的所述关键关节点的速度数据满足所述速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态。
2.根据权利要求1所述的方法,其特征在于,所述基于所述图像帧,获取人体的多个关键关节点的坐标信息,包括:
将所述图像帧输入预先训练好的人体骨架识别模型,使所述人体骨架识别模型基于所述图像帧,输出人体的多个关节点的坐标信息;所述坐标信息包括所述关节点的坐标序号以及所述关节点的坐标位置;
从所述多个关节点中,选择坐标序号满足预设需求的关节点作为关键关节点,并将坐标序号满足预设需求的关节点的所述坐标信息作为所述关键关节点的坐标信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述关键关节点的所述坐标信息,获取所述关键关节点的速度数据,包括:
获取所述关键关节点的历史坐标信息,所述历史坐标信息为预先记录的上一时刻拍摄的图像帧中所述关键关节点的坐标信息;
基于所述关键关节点的所述历史坐标信息,和当前拍摄的包括人体的图像帧中所述关键关节点的坐标信息,得到所述关键关节点的速度数据。
4.根据权利要求1所述的方法,其特征在于,所述基于所述多个关键关节点的所述坐标信息,获取骨架对应的速度阈值,包括:
从所述多个关键关节点中,选取预设数量的目标关节点;所述目标关节点之间构成的骨架大小可表征人体目标部位的尺寸、且所述骨架大小在人体处于不同的运作状态下的变化范围小于阈值;
依据所述目标关节点之间的关节点距离值,得到骨架对应的速度阈值。
5.根据权利要求1~4任意一项所述的方法,其特征在于,所述目标运动状态为跳跃运动状态。
6.根据权利要求5所述的方法,其特征在于,所述速度数据包括,所述关键关节点在垂直向上方向上的速度大小,以及在垂直向下方向上的速度大小。
7.根据权利要求6所述的方法,其特征在于,所述在预设数量的所述关键关节点的速度数据满足所述速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态,包括:
在每个所述关键关节点在垂直向上方向上的速度大小都大于所述速度阈值的情况下,确定人体当前的运动状态为向上的跳跃运动状态;
或者,
在所述关键关节点在垂直向下方向上的速度大小都大于所述速度阈值的情况下,确定人体当前的运动状态为向下的跳跃运动状态。
8.根据权利要求7所述的方法,其特征在于,还包括:
在确定人体当前的运动状态为向上的跳跃运动状态的情况下,跳跃次数累计加一,并显示跳跃次数;
在确定人体当前的运动状态为向下的跳跃运动状态的情况下,记录人体的运动状态为跳跃完成。
9.一种运动状态的识别装置,其特征在于,包括:
第一获取单元,用于获取摄像机当前拍摄的包括人体的图像帧;
第二获取单元,用于基于所述图像帧,获取人体的多个关键关节点的坐标信息;所述关键关节点为关节点位置满足识别目标运动状态的要求的关节点;
第三获取单元,用于针对每个所述关键关节点,基于所述关键关节点的所述坐标信息,获取所述关键关节点的速度数据;
第四获取单元,用于基于所述多个关键关节点的所述坐标信息,获取骨架对应的速度阈值;
确定单元,用于在预设数量的所述关键关节点的速度数据满足所述速度阈值的情况下,确定人体当前的运动状态为所述目标运动状态。
10.一种运动状态的识别设备,其特征在于,包括摄像头、显示器以及权利要求9所述的运动状态的识别装置;
所述摄像头用于拍摄视野范围的包括人体的图像,并将拍摄的图像传输至所述运动状态的识别装置;
所述运动状态的识别装置用于基于所述图像,获取人体的运动状态结果,并将所述运动状态结果发送至所述显示器;所述运动状态结果包括人体当前的运动状态、以及人体运动状态满足目标运动状态的总次数;
所述显示器用于显示所述运动状态结果。
CN202110830844.9A 2021-07-22 2021-07-22 运动状态的识别方法、装置及设备 Pending CN113569693A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110830844.9A CN113569693A (zh) 2021-07-22 2021-07-22 运动状态的识别方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110830844.9A CN113569693A (zh) 2021-07-22 2021-07-22 运动状态的识别方法、装置及设备

Publications (1)

Publication Number Publication Date
CN113569693A true CN113569693A (zh) 2021-10-29

Family

ID=78166318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110830844.9A Pending CN113569693A (zh) 2021-07-22 2021-07-22 运动状态的识别方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113569693A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114870385A (zh) * 2022-05-11 2022-08-09 安徽理工大学 一种基于优化的OpenPose模型的立定跳远测试方法
CN115966016A (zh) * 2022-12-19 2023-04-14 天翼爱音乐文化科技有限公司 一种跳跃状态识别方法、***、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114870385A (zh) * 2022-05-11 2022-08-09 安徽理工大学 一种基于优化的OpenPose模型的立定跳远测试方法
CN115966016A (zh) * 2022-12-19 2023-04-14 天翼爱音乐文化科技有限公司 一种跳跃状态识别方法、***、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN105007421B (zh) 一种图片拍摄方法及移动终端
CN113569693A (zh) 运动状态的识别方法、装置及设备
CN111767823A (zh) 一种睡岗检测方法、装置、***及存储介质
CN109902189B (zh) 一种图片选择方法及相关设备
CN103020885A (zh) 深度图像压缩
KR20150039252A (ko) 행동 인식 기반의 응용 서비스 제공 장치 및 그 방법
CN108961547A (zh) 一种商品识别方法、无人售货机及计算机可读存储介质
KR20180020123A (ko) 비동기 신호 처리 방법
CN108363953A (zh) 一种行人检测的方法及双目监控设备
JPWO2014045479A1 (ja) オブジェクト情報抽出装置、オブジェクト情報抽出プログラム、及びオブジェクト情報抽出方法
US20230206093A1 (en) Music recommendation method and apparatus
CN108921178A (zh) 获取图像模糊程度分类的方法、装置、电子设备
CN103096117A (zh) 视频噪声检测方法及装置
CN112446254A (zh) 人脸追踪的方法及相关装置
CN109858319A (zh) 图像处理设备及控制方法和非暂时性计算机可读存储介质
CN105608469B (zh) 图像分辨率的确定方法及装置
CN111898518A (zh) 一种摔倒检测方法、电子设备和存储介质
KR102108180B1 (ko) 운동에 대한 피드백을 제공하는 웨어러블 디바이스 및 방법
CN110287929B (zh) 群体区域中目标的数量确定方法、装置、设备及存储介质
CN112070662B (zh) 一种换脸模型的评价方法、装置、电子设备及存储介质
US20220067391A1 (en) System, method and storage medium for detecting people entering and leaving a field
CN109960995B (zh) 一种运动数据确定***、方法及装置
CN114333055A (zh) 一种健身镜、图像识别方法、设备及介质
CN117934805B (zh) 对象筛选方法和装置、存储介质及电子设备
JP7099809B2 (ja) 画像監視システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination